内容 隐藏
1 在 Azure 上的 LangChain – 构建可扩展的LLM应用程序
2 LangChain on Azure – Building Scalable LLM Applications
2.1 你将学到什么
2.2 要求
2.3 描述
2.4 本课程适合谁：

在 Azure 上的 LangChain – 构建可扩展的LLM应用程序

LangChain on Azure – Building Scalable LLM Applications

导航 Azure 生态：从基础 AI 应用到可扩展微服务的路径

你将学到什么

  • Azure 帐户结构和资源组管理
  • 使用 Blob 存储管理云中的文件
  • Azure 认知搜索和 PgVector 作为矢量数据库
  • 利用 PgVector 和 Indexing API 进行数据检索
  • 使用 Azure 容器注册表管理容器映像
  • 部署和监控 Azure 应用服务
  • 用于事件驱动架构的 Azure Functions 和事件网格
  • 应用安全措施来保护 Azure 应用服务和数据库

要求

  • 中级 Python 技能（OOP、数据类型、函数、模块等）
  • 熟悉终端
  • Docker基础知识
  • 基础到中级 LangChain 知识 – VectorStores、RAG、Agents 等。

描述

通过此综合课程深入了解 Azure 和大型语言模型 (LLM) 应用程序。从 Azure 帐户结构和资源组的初始设置开始，到 Azure Blob 存储的实际管理，本课程为您提供导航和利用 Azure 广泛产品的基本技能。

然后，我们深入研究不同的向量存储，例如 Azure 认知搜索和 PgVector，比较它们的优缺点。您将学习如何对原始数据进行分块、嵌入并将其插入向量存储中。典型的检索增强生成 (RAG) 过程是在向量存储上执行的，这部分课程主要使用 Jupyter 笔记本。

在介绍了基础知识之后，我们从笔记本过渡到使用 docker-compose 在本地启动服务。我们将深入研究这些服务的工作原理。

下一步是将这些服务部署到云中，我们在云中了解容器注册表和应用服务等新服务。

设置 Web 应用程序后，我们将使用 Blob 触发器、事件网格和 Azure Functions 实施事件驱动的索引过程，以便根据 Blob 存储中的更改对文档进行索引。

最后几章介绍基本的安全措施，例如为数据库设置防火墙和基于 IP 的访问限制。

本课程专为具有Python、Docker 和 LangChain 基础知识的个人量身定制，非常适合任何希望使用生产级架构构建真实应用程序的人，而不仅仅是使用 Streamlit 的简单游乐场应用程序。

本课程适合谁：

  • 厌倦了简单的 LangChain 和 Streamlit 应用程序并希望达到新水平的 LLM 爱好者
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。